OP30 <u>M</u>odel for <u>AS</u>sessing The Value Of <u>AI</u> In Medical Imaging (MAS-AI)
Notice bibliographique
Résumé
Introduction Artificial intelligence (AI) is seen as one of the major disrupting forces in the future healthcare system. However, assessment of the value of these new technologies is still unclear and no agreed international HTA-based guideline exists. Therefore, a Model for ASsessing the value of AI (MAS-AI) in medical imaging was developed by a multidisciplinary group of experts and patient representatives. Methods The MAS-AI guideline is based on four steps. First a literature review of existing guides, evaluations, and assessments of the value of AI in the field of medical imaging (5,890 studies were assessed with 86 studies included in the scoping review). Next, interviews with leading researchers in AI in Denmark. The third step was two workshops where decision-makers, patient organizations and researchers discussed crucial topics when evaluating AI. Between workshops, the multidisciplinary team revised the model according to comments from workshop-participants. Last step is a validation workshop in Canada. Results The MAS-AI guideline has three parts. There are two steps covering nine domains and then advises for the evaluation process. Step 1 contains a description of patients, how the AI-model was developed, and initial ethical and legal considerations. Finishing the four domains in Step 1 is a prerequisite for moving to step 2. In step 2, a multidisciplinary assessment of outcomes of the AI-application is done for the five remaining domains: safety, clinical aspects, economics, organizational aspects and patient aspects. The last part, is five advices to facilitate a good evaluation process. Conclusions We have developed an HTA based framework to support the prospective phase while introducing novel AI technologies into healthcare in medical imaging. MAS-AI can assist HTA organizations (and companies) in selecting the relevant domains and outcome measures in the assessment of AI applications. It is important to ensure uniform and valid decisions regarding the adoption of AI technology with a structured process and tool. MAS-AI can help support these decisions and provide greater transparency for all parties involved.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,013 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».